如何查看已训练LSTM模型各层的权重？附模型代码示例

一、先确保模型结构与训练时一致 #

加载权重前，必须保证当前定义的模型结构和训练保存权重时完全一致——包括层类型、单元数、输入形状、return_sequences参数等，否则会加载失败。你的代码已经正确还原了模型结构，这一步没问题。

二、修正权重路径并加载 #

注意Windows系统的路径需要转义，避免单斜杠被识别为转义字符，推荐两种写法：

# 方法1：使用原始字符串（前缀加r）
weightsfile = r"C:\Users\...\weights-improvement.hdf5"
# 方法2：使用双反斜杠
weightsfile = "C:\\Users\\...\\weights-improvement.hdf5"

# 加载权重并重新编译模型
model.load_weights(weightsfile)
model.compile(loss='categorical_crossentropy', optimizer='adam')

三、查看各层权重的两种方法 #

方法1：遍历所有层，批量查看 #

循环遍历模型的每一层，通过get_weights()获取权重参数（无训练参数的层如Dropout会返回空列表），可选择打印形状或具体数值：

for idx, layer in enumerate(model.layers):
    print(f"=== 第{idx+1}层：{layer.name} ===")
    weights = layer.get_weights()
    if not weights:
        print("该层无训练权重（如Dropout层）\n")
        continue
    # 打印每个权重数组的形状
    for w_idx, w_arr in enumerate(weights):
        print(f"参数{w_idx+1}形状：{w_arr.shape}")
        # 如需查看具体数值，取消下面注释
        # print(f"参数{w_idx+1}数值：\n{w_arr}\n")
    print("\n")

方法2：查看指定层的权重 #

如果只关注某一层（比如第一个LSTM层），可以直接通过索引定位后查看：

# 获取第一个LSTM层（索引为0）
target_layer = model.layers[0]
layer_weights = target_layer.get_weights()

print("第一个LSTM层权重结构：")
# LSTM层包含输入/遗忘/更新/输出门的权重与偏置，共8个数组
for w_idx, w_arr in enumerate(layer_weights):
    print(f"门控参数{w_idx+1}形状：{w_arr.shape}")

补充说明 #

• Dropout层仅做随机失活操作，没有可训练的权重参数，属于正常现象。
• LSTM层的权重数组对应不同门控的参数，Dense层则只有权重矩阵和偏置向量两组参数。

内容的提问来源于stack exchange，提问作者Sanne112